-
题名基于机器学习的噪声测井信号分频方法研究
- 1
-
-
作者
舒博宇
田旭光
王德伟
柴圆圆
邓瑞
-
机构
长江大学电子信息与电气工程学院
中国石油集团测井有限公司地质研究院
中国石油集团测井有限公司制造公司
中国石油化工集团胜利油田分公司油藏动态监测中心稠油项目部
长江大学城市建设学院
长江大学地球物理与石油资源学院
-
出处
《石油管材与仪器》
2025年第2期77-83,91,共8页
-
文摘
为了提高对地层吸水能力及流体分布监测的准确性,依托噪声测井技术,利用机器学习方法对噪声信号的分频处理进行了优化。通过观察噪声信号图像与原始二维数据特点,对比了多种常规算法的出图效果,分析了其各自优缺点。在此基础上,基于谱聚类算法引入密度聚类思想,提出了一种自适应谱聚类模型。该模型能够对噪声信号频率进行更细致与准确的分频,更好地找到与联系各频带特征,成功实现了对噪声测井数据频率段的重新划分。相比传统方法,新确定的噪声频率段更加精细、准确。在Q油田的实际应用中,该方法准确率达到90%,显著提高了数据处理效率。
-
关键词
噪声测井技术
数据处理
机器学习
谱聚类
-
Keywords
noise logging technology
data processing
machine learning
spectral clustering
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
-
